python - 合并按列中的值分组的 2d numpy 数组

Question

我有这个数组:

[['Burgundy Bichon Frise' '1' '137']
['Pumpkin Pomeranian' '1' '182']
['Purple Puffin' '1' '125']
['Wisteria Wombat' '1' '109']
['Burgundy Bichon Frise' '2' '168']
['Pumpkin Pomeranian' '2' '141']
['Purple Puffin' '2' '143']
['Wisteria Wombat' '2' '167']
['Burgundy Bichon Frise' '3' '154']
['Pumpkin Pomeranian' '3' '175']
['Purple Puffin' '3' '128']
['Wisteria Wombat' '3' '167']]

第一个索引包含动物的名称，第二个索引是它所在的区域，第三个索引是种群数量。我需要获取每个区域中物种的平均值，并获取每个区域中每个物种的最大值和最小值。因此，对于“Purple Puffins”，平均值应为 (125+143+128)/3 = 132。

我对如何让 numpy 数组仅计算每个区域的人口感到非常困惑。

将这个二维数组分成多个二维数组会更好或更容易吗？

Answer 1

这看起来更像是 pandas 的任务，我们可以首先构建一个数据框:

import pandas as pd

df = pd.DataFrame([
    ['Burgundy Bichon Frise','1','137'],
    ['Pumpkin Pomeranian','1','182'],
    ['Purple Puffin','1','125'],
    ['Wisteria Wombat','1','109'],
    ['Burgundy Bichon Frise','2','168'],
    ['Pumpkin Pomeranian','2','141'],
    ['Purple Puffin','2','143'],
    ['Wisteria Wombat','2','167'],
    ['Burgundy Bichon Frise','3','154'],
    ['Pumpkin Pomeranian','3','175'],
    ['Purple Puffin','3','128'],
    ['Wisteria Wombat','3','167']], columns=['animal', 'region', 'n'])

接下来我们可以将region和n转换为数字，这将使统计数据更容易计算:

df.region = pd.to_numeric(df.region)
df.n = pd.to_numeric(df.n)

最后我们可以执行 .groupby(..) 然后计算聚合，例如:

>>> df[['animal', 'n']].groupby(('animal')).min()
                         n
animal                    
Burgundy Bichon Frise  137
Pumpkin Pomeranian     141
Purple Puffin          125
Wisteria Wombat        109
>>> df[['animal', 'n']].groupby(('animal')).max()
                         n
animal                    
Burgundy Bichon Frise  168
Pumpkin Pomeranian     182
Purple Puffin          143
Wisteria Wombat        167
>>> df[['animal', 'n']].groupby(('animal')).mean()
                                n
animal                           
Burgundy Bichon Frise  153.000000
Pumpkin Pomeranian     166.000000
Purple Puffin          132.000000
Wisteria Wombat        147.666667

编辑:获取每个动物的最小行数

我们可以使用idxmin/idxmax来获取每个动物的最小/最大行的索引号，然后使用 df.iloc[..] 获取这些行，例如:

>>> df.ix[df.groupby(('animal'))['n'].idxmin()]
                  animal  region    n
0  Burgundy Bichon Frise       1  137
5     Pumpkin Pomeranian       2  141
2          Purple Puffin       1  125
3        Wisteria Wombat       1  109
>>> df.ix[df.groupby(('animal'))['n'].idxmax()]
                  animal  region    n
4  Burgundy Bichon Frise       2  168
1     Pumpkin Pomeranian       1  182
6          Purple Puffin       2  143
7        Wisteria Wombat       2  167

此处 0, 5, 2, 3(对于 idxmin)是数据帧的“行号”。